以连接为基础的长沙市出租车综合监管平台设计与实现
Design and Implementation of Changsha Taxi Comprehensive Supervision Platform Based on Connection
DOI: 10.12677/mse.2024.135108, PDF,   
作者: 刘俊杰:长沙市城市公共交通事务中心,湖南 长沙
关键词: 出租车连接大数据信息系统监管Taxi Connect Big Data Information System Supervise
摘要: 长沙市现有出租车(含网约)共计约5万余台,经营主体约60家,本文针对长沙市出租车车辆多、企业散等特点,结合最新的车辆监管技术,为解决政府统一管理和调度的难题,重点探讨了以连接为基础的出租车综合监管平台的设计与实现,通过开展行业先进管理经验的调查研究并引入前沿的信息化技术,使平台在全域连接、数智应用以及技术水平都达到了行业领先,有效地支撑起长沙市出租车行业管理提升和优质服务的发展目标。
Abstract: There are about 50,000 taxis (including online taxis) in Changsha City, with about 60 operating entities. This article focuses on the characteristics of Changsha City, such as a large number of taxi vehicles and scattered enterprises, and combines the latest vehicle supervision technology to solve the problem of government unified management and scheduling. The design and implementation of a connection-based taxi comprehensive supervision platform are mainly discussed. Through conducting research on advanced management experience in the industry and introducing cutting-edge information technology, the Changsha taxi comprehensive supervision platform has achieved industry-leading connectivity, digital application, and technological level, effectively supporting the development goals of improving the management and quality services of the taxi industry in Changsha City.
文章引用:刘俊杰. 以连接为基础的长沙市出租车综合监管平台设计与实现[J]. 管理科学与工程, 2024, 13(5): 1015-1026. https://doi.org/10.12677/mse.2024.135108

参考文献

[1] 白建峰, 秦钦. 用于网约出租车的主动安全监测装置[P]. 中国专利, CN216599857U. 2022-05-24.
[2] 王香香. 基于毫米波雷达和前视摄像头的ADAS系统研究[J]. 汽车知识, 2022, 22(2): 17-19.
[3] 熊永红, 张新梅. 浅谈出租车驾驶员如何避免服务投诉[J]. 城市公共交通, 2021(3): 30.
[4] 王宝锋. 基于机器学习与传感器融合的车辆与车道线识别研究[D]: [博士学位论文]. 北京: 北京理工大学, 2020.
[5] 杨明坤. 智能网联汽车驾驶员身份识别关键技术研究[D]: [硕士学位论文]. 西安: 西安电子科技大学, 2020.
[6] 李育贤, 臧金环. 车载人脸识别技术应用现状及发展趋势[J]. 智能网联汽车, 2020(5): 93-96.
[7] 黄惠迪. 基于机器视觉的行车安全预警系统研究与实现[D]: [硕士学位论文]. 上海: 东华大学, 2015.
[8] 王秋鸿. 面向交通安全的智能汽车安全驾驶管理对策研究[J]. 道路交通管理, 2022(2): 34-37.
[9] 胡悦, 陈露露. 基于出租车大数据的城市交通出行规划分析[J]. 无线互联科技, 2021, 18(14): 83-84.
[10] 谭行宇. 新一代信息技术推动创造智能交通诱导系统研究讨论[J]. 工程技术, 2022(8): 178-181.
[11] 崔允汀, 何胜学. 引力视角下出租车调度的增强学习模型[J]. 建模与仿真, 2021, 10(4): 962-972.
[12] 何胜学. 基于增强学习的网格化出租车调度方法[J]. 计算机应用研究, 2019, 36(3): 762-766.
[13] 胡洋, 刘丽坤, 谢元芒. 基于时空特征的非法营运出租车智能识别模型与机制[J]. 交通节能与环保, 2022, 18(6): 64-69.
[14] 尚博文. 基于出租车数据的人群出行时空模式识别及驱动机制研究[D]: [硕士学位论文]. 南京: 南京师范大学, 2019.
[15] 梁恩云, 高琛, 叶少槟, 赖粤. 基于数字孪生的自动驾驶交通场景构建研究[J]. 现代计算机(专业版), 2021, 27(30):1-10.
[16] 伍朝辉, 刘振正, 石可, 等. 交通场景数字孪生构建与虚实融合应用研究[J]. 系统仿真学报, 2021, 33(2): 295-305.
[17] 仝秋红, 曹扬, 柴国庆, 等. 车路协同信息融合的智能汽车行驶状态模糊评判[J]. 中国公路学报, 2022, 35(6): 254-264.
[18] 张胜敏. 基于城市交通大数据的行驶路径快速生成算法[J]. 信息与电脑, 2022, 34(3): 52-54.
[19] 马利坚. 基于人因的道路交通安全评价研究[J]. 交通科技与管理, 2021(13): 237-238.